如何在Pandas中提取DataFrame的Tags列中所有含player的子串（取至逗号或字符串末尾）

我来帮你搞定这个问题！你之前用str.extract()没成功，主要有两个原因：一是extract()默认只捕获第一个匹配项，二是你的正则表达式写法不正确。我们需要用能捕获所有匹配结果的方法，再把它们拼接成需要的格式。

步骤1：使用str.findall()捕获所有匹配项 #

str.findall()会返回每行中所有符合正则的子串组成的列表，正好满足你提取所有含'player'内容的需求。配合合适的正则表达式，就能精准定位每个目标子串：

import pandas as pd

# 假设你的DataFrame是df
df['Extracted_Tags'] = df['Tags'].str.findall(r'\bplayer[^,]*')

步骤2：将列表转为逗号分隔的字符串 #

findall()返回的是列表，我们可以用str.join()把列表元素拼成逗号分隔的字符串，和你期望的输出格式一致：

df['Extracted_Tags'] = df['Extracted_Tags'].str.join(',')

也可以把两步合并成一行：

df['Extracted_Tags'] = df['Tags'].str.findall(r'\bplayer[^,]*').str.join(',')

正则表达式解释 #

这里的正则r'\bplayer[^,]*'各部分作用：

• \b：单词边界，确保我们匹配的是以player开头的完整元素（如果你的数据里存在类似xyzplayer的情况不需要排除，可以去掉\b）
• player：匹配你需要的关键词
• [^,]*：匹配任意数量的非逗号字符，这样就能自动截取从player开始，到下一个逗号（或者字符串末尾）的整个子串，完美符合你的要求

测试你的示例 #

用你给出的Tags内容测试：

'view_snapshot_hi:hab,like_hi:hab,view_snapshot_foinbra,completed_profile,view_page_investors_landing,view_foinbra_inv_step1,view_foinbra_inv_step2,view_foinbra_inv_step3,view_snapshot_acium, player ,view_acium_inv_step1,view_acium_inv_step2,view_acium_inv_step3, player_acium-ronda-2_r1 ,view_foinbra_rinv_step1,view_page_makers_landing'

运行代码后，Extracted_Tags列会得到：player,player_acium-ronda-2_r1，完全符合你的期望。

为什么你原来的代码无效？ #

你之前的正则r'*player*,?\s*'是语法错误的：*是量词（表示0次或多次），不能直接放在正则开头；另外str.extract()只会返回第一个匹配的结果，即使正则正确，也无法提取所有符合条件的内容。

内容的提问来源于stack exchange，提问作者Diego González Castellanos